眼底图像中视杯分割和硬性渗出物检测算法研究

发布时间：2017-04-08 16:33

  本文关键词：眼底图像中视杯分割和硬性渗出物检测算法研究，由笔耕文化传播整理发布。

【摘要】：由于数码眼底图像可以无创获取和直观观测,近年来成为多种眼部疾病筛查的有利工具。青光眼和糖尿病视网膜病变(Diabetic Retinopathy,DR)是人类三大致盲眼病中的两种,患者若不及时进行治疗,将导致视野不可逆转的缺损。因此,疾病的早发现成为降低患者视力下降甚至失明的重要措施之一。临床中,以上两种疾病的筛查需要医生凭经验对眼底图像进行人工审阅,工作量大、主观性强、易疲劳、耗时久,且筛查效率难以提高。针对这一问题,本课题利用图像处理技术,有效融合专家经验知识,对眼底图像中与青光眼发病密切相关的视杯结构进行分割,对DR早期病变硬性渗出物(Hard Exudates,HE)进行检测,为青光眼和DR计算机辅助诊断系统的实现奠定基础。本文的主要研究内容包括:1.实现视杯的自动分割。首先,对绿色通道眼底图像进行基于形态学的对比度增强操作;然后,进行血管检测,并利用一种改进的Bertalmio Sapiro Caselles Ballester(BSCB)模型对血管区域进行填充修复;最后,利用Local-Chart-Vest(LCV)模型对修复后的图像进行视杯自动分割。本文共使用公开数据库中的94幅眼底图像(62幅正常图像,32幅青光眼图像)对上述视杯分割算法进行有效性评估。与其他算法相比,本文所得视杯分割结果的F值(F-Score,F)和边界距离(Distance,D)具有一定的优势。本文算法测试正常图像和青光眼图像的平均杯盘比(Cup-to-Disc Ratio,CDR)分别为0.4369±0.1193和0.1193±0.7156,与医生测量结果相似。实验结果表明,本文提出的视杯分割算法准确性高和可行性好。2.实现HE的自动检测。本文利用HE的亮度与边缘特征,提出了一种基于改进Canny边缘检测算法与形态学重构相结合的HE自动检测方法,该方法包括四个步骤。步骤一,图像预处理,主要包括RGB通道选取、基于形态学的图像对比度增强;步骤二,视网膜图像关键结构的消除,利用基于Gabor滤波的血管分割方法,消除血管边缘对HE检测的影响。将本文视杯分割算法应用在眼底图像红色通道上实现视盘自动分割,消除视盘及其边缘对HE检测的影响;步骤三,利用改进的Canny边缘检测算法和形态学重构方法对HE进行提取;步骤四,基于形态学的图像后处理,消除眼底图像边缘部分假阳性区域。本文测试了公开数据库中的40幅图像(35幅HE病变图像,5幅正常图像),得到基于病变的灵敏性和阳性预测值分别为93.18%和79.26%,基于图像的灵敏性、特异性和准确率分别为97.14%、80.00%和95.00%,并将以上评价指标分别与其他方法进行了对比,结果证明了本文算法的可行性。总之,本研究实现了眼底图像中视杯的自动分割,以及HE的自动检测,并用实验证明了算法的可行性,为青光眼和DR计算机辅助诊断系统的实现奠定了基础。
【关键词】：青光眼 糖尿病视网膜病变 视杯 视盘 硬性渗出物检测
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R770.4;TP391.41
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-20
• 1.1 课题研究背景与意义10-13
• 1.1.1 视网膜结构10-11
• 1.1.2 青光眼和糖尿病视网膜病变11-12
• 1.1.3 基于眼底图像的计算机辅助筛查12-13
• 1.2 国内外研究现状13-16
• 1.2.1 视杯分割研究现状13-15
• 1.2.2 硬性渗出物检测研究现状15-16
• 1.3 本文主要研究内容16-17
• 1.3.1 视杯的分割16-17
• 1.3.2 硬性渗出物的检测17
• 1.4 本文各章节安排17-20
• 第2章 眼底图像处理相关理论知识20-34
• 2.1 形态学图像处理20-21
• 2.1.1 图像腐蚀及膨胀20
• 2.1.2 图像开运算及闭运算20-21
• 2.1.3 顶帽变换和底帽变换21
• 2.2 基于边缘的图像分割21-28
• 2.2.1 边缘检测21-24
• 2.2.2 Gabor变换24-26
• 2.2.3 水平集方法26-28
• 2.3 基于区域的图像分割28-32
• 2.3.1 区域生长法28-29
• 2.3.2 ChanVese模型29-32
• 2.4 本章小结32-34
• 第3章 眼底图像中视杯的自动分割34-50
• 3.1 视杯的自动分割及其在疾病诊断中的应用34-35
• 3.2 视杯分割图像预处理35-36
• 3.3 血管的识别与基于改进BSCB模型的血管修复36-39
• 3.3.1 血管的识别36-37
• 3.3.2 基于改进BSCB模型的血管修复37-39
• 3.4 基于LCV模型的视杯轮廓分割39-40
• 3.5 实验结果与算法评价40-47
• 3.5.1 算法评价方法40-42
• 3.5.2 实验结果42-45
• 3.5.3 算法鲁棒性验证45-47
• 3.6 结果讨论47-48
• 3.7 本章小结48-50
• 第4章 硬性渗出物检测50-66
• 4.1 硬性渗出物检测及其在疾病诊断中的应用50-51
• 4.2 本文硬性渗出物检测方法51-59
• 4.2.1 图像预处理52-53
• 4.2.2 视网膜关键结构的消除53-56
• 4.2.3 硬性渗出物的提取56-58
• 4.2.4 基于形态学的图像后处理58-59
• 4.3 实验部分与结果讨论59-64
• 4.3.1 数据库与评价方法59-60
• 4.3.2 实验结果60-62
• 4.3.3 结果分析与讨论62-64
• 4.4 本章小结64-66
• 结论与展望66-68
• 参考文献68-74
• 攻读硕士期间发表的学术论文74-76
• 致谢76-77

【相似文献】

中国期刊全文数据库 前10条

1 胡磊;毕维民;陈迪;郭永新;张光玉;李艳春;焦青;;眼底图像处理软件在眼科临床应用观察[J];泰山医学院学报;2009年09期

2 张东波;易瑶;赵圆圆;;基于投影的视网膜眼底图像视盘检测方法[J];中国生物医学工程学报;2013年04期

3 刘爱珍,马斌荣,徐亮,杨桦,孙秀英;眼底图像融合[J];中国医学影像技术;2003年11期

4 刘爱珍;王小兵;徐亮;任海萍;宋菲;王飒;;眼底图像对位频闪[J];首都医科大学学报;2006年05期

5 余轮;魏丽芳;潘林;;眼底图像配准技术研究进展[J];生物医学工程学杂志;2011年05期

6 魏丽芳;潘林;余轮;;一种病变眼底图像的配准方法[J];中国生物医学工程学报;2011年04期

7 陈骥;彭承琳;;眼底图像的三维重建[J];生物医学工程学杂志;2008年01期

8 陈萌梦;熊兴良;张琰;王诗鸣;李广;;1种视网膜眼底图像增强的新方法[J];重庆医科大学学报;2014年08期

9 刘爱珍,马斌荣,徐亮,孙秀英,宋菲;眼底图像的配准[J];医疗设备信息;2003年10期

10 曹米莎;程建新;陈昱昆;庞博;王剑锋;詹增荣;邝健;周少博;李辉;梁纳;袁永刚;卢毓敏;陈悦玲;;眼底图像检验系统对眼底的临床观察与研究[J];临床医学工程;2013年01期

中国重要会议论文全文数据库 前4条

1 王子亮;潘林;余轮;;基于矢量方法的眼底图像预处理[A];第十四届全国图象图形学学术会议论文集[C];2008年

2 曹米莎;程建新;陈昱昆;庞博;王剑锋;詹增荣;邝健;周少博;李辉;梁纳;袁永刚;卢毓敏;陈悦玲;;眼底图像检验系统对眼底的临床观察与研究[A];“广东省光学学会2013年学术交流大会”暨“粤港台光学界产学研合作交流大会”会议手册论文集[C];2013年

3 黄君鑫;;红外眼底镜的研究[A];中国光学学会2006年学术大会论文摘要集[C];2006年

4 朱琳琳;唐延东;;基于眼底特征的视盘自动检测[A];2010中国仪器仪表学术、产业大会（论文集1）[C];2010年

中国博士学位论文全文数据库 前5条

1 高玮玮;眼底图像分割算法及应用研究[D];南京航空航天大学;2013年

2 李居朋;眼底图像处理与分析中一些关键问题的研究[D];北京交通大学;2009年

3 韩松涛;眼底图像的血管特征分析[D];吉林大学;2010年

4 姚畅;眼底图像分割方法的研究及其应用[D];北京交通大学;2009年

5 李鹏飞;眼底图像实时处理与液晶自适应系统控制研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

中国硕士学位论文全文数据库 前10条

1 于婷;眼底图像视神经盘和渗出物自动分割算法研究[D];兰州大学;2015年

2 郑姗;主动轮廓模型及其在眼底图像分割中的应用[D];沈阳理工大学;2015年

3 于甜甜;基于自适应盲解卷积的眼底图像复原[D];山东农业大学;2015年

4 于挥;眼底图像中病变的检测方法研究[D];兰州交通大学;2015年

5 赵麒然;基于改进参数核图割的OCT眼底图像分割方法研究[D];吉林大学;2016年

6 潘燕红;基于监督分类的糖尿病视网膜病变检测方法的研究[D];福州大学;2014年

7 李敏;眼底图像血管三维重建方法研究[D];天津工业大学;2016年

8 邵一婷;彩色眼底图像视盘自动检测方法研究[D];天津工业大学;2016年

9 祝婉;多模眼底图像配准方法研究[D];天津工业大学;2016年

10 崔宁;彩色眼底图像血管参数测量方法研究[D];天津工业大学;2016年

  本文关键词：眼底图像中视杯分割和硬性渗出物检测算法研究，由笔耕文化传播整理发布。

，

本文编号：293243